群智能算法及其應(yīng)用

前言
第1章緒論
1．1　引言
1．2　蟻群算法的基本原理
1．3　粒子群優(yōu)化算法基本原理
1．4　蟻群算法理論研究現(xiàn)狀
1．5　蟻群算法應(yīng)用研究現(xiàn)狀
1．6　粒子群優(yōu)化算法研究現(xiàn)狀
1．7　粒子群算法應(yīng)用研究現(xiàn)狀
第2章　求解整數(shù)規(guī)劃的蟻群算法
2．1　求解一般非線性整數(shù)規(guī)劃的蟻群算法
2．1．1　引言
2．1．2　求解非線性整數(shù)規(guī)劃的蟻群算法
2．1．3　算例分析
2．2　武器—目標(biāo)分配問題的蟻群算法
2．2．1　引言
2．2．2　WTA問題
2．2．3　武器—目標(biāo)分配問題的蟻群算法
2．2．4　仿真結(jié)果j
2．3　多處理機(jī)調(diào)度問題的蟻群算法
2．3．1　引言
2．3．2　多處理機(jī)調(diào)度問題數(shù)學(xué)模型
2．3．3　解多處理機(jī)調(diào)度問題模擬退火算法
2．3．4　解多處理機(jī)調(diào)度問題蟻群算法
2．3．5　算法比較
2．4 可靠性優(yōu)化的蟻群算法
2．4．1　引言
2．4．2　最優(yōu)冗余優(yōu)化模型及解法
2．4．3　可靠性優(yōu)化的模擬退火算法
2．4．4　可靠性優(yōu)化的遺傳算法
2．4．5　可靠性優(yōu)化的蟻群算法
2．4．6　算例分析
2．5　求解旅行商問題的多樣信息素的蟻群算法
2．5．1　信息素更新的3個(gè)模型
2．5．2　多樣信息素更新規(guī)則
2．5．3　算法測試
2．6　本章小結(jié)
第3章　連續(xù)優(yōu)化問題的蟻群算法研究
3．1　無約束非線性最優(yōu)化問題
3．2　連續(xù)優(yōu)化問題的信息量分布函數(shù)方法
3．3　一種簡單的連續(xù)優(yōu)化問題的蟻群算法
3．4　數(shù)值分析
3．5　本章小結(jié)
第4章　聚類問題的蟻群算法
4．1　引言
4．2　聚類問題的數(shù)學(xué)模型
4．3　K均值算法
4．4　解聚類問題的模擬退火算法
4．5　基于巡食思想的蟻群聚類算法
4．6　解聚類問題的新的蟻群算法及數(shù)值分析
4．6．1　解聚類問題的蟻群算法
4．6．2　數(shù)值分析
4．7　解聚類問題的與K-均值算法混合的蟻群算法及數(shù)值分析
4．7．1　解聚類問題的K-均值算法混合的蟻群算法
4．7．2　數(shù)值分析
4．8　本章小結(jié)
第5章　蟻群算法與模擬退火算法混合
5．1　引言
5．2　解圓排列問題的蟻群模擬退火算法
5．2．1　圓排列問題及與旅行商問題等價(jià)
5．2．2　解旅行商問題的模擬退火算法
5．2．3　幾種算法的比較
5．2．4　算例分析
5．3　解旅行商問題的模擬退火蟻群算法
5．3．1　混合的基本思想
5．3．2　找鄰域解策略
5．3．3　模擬退火蟻群算法
5．3．4　算法測試
5．4　本章小結(jié)
第6章　蟻群算法與遺傳算法混合
6．1　引言
6．2　基本遺傳算法
6．3　蟻群算法與遺傳算法的混合
6．3．1　混合的基本思想
6．3．2　變異操作
6．3．3　交叉操作
6．3．4　遺傳蟻群算法
6．4　算法測試
6．5本章小結(jié)
第7章　蟻群算法與混沌理論混合
7．1　引言
7．2　混沌及運(yùn)動(dòng)特性
7．3　基本蟻群算法改進(jìn)
7．3．1　混沌初始化
7．3．2　選擇較優(yōu)解
7．3．3　混沌擾動(dòng)
7．4　混沌蟻群算法
7．5　算法測試
7．6　本章小結(jié)
第8章　最短路的蟻群算法收斂性分析
8．1　引言
8．2　最短路的蟻群算法收斂性分析
8．3　仿真算例
8．4　本章小結(jié)
第9章　解連續(xù)性優(yōu)化問題的粒子群優(yōu)化算法
9．1　模擬退火思想的粒子群算法
9．1．1　幾種模擬退火思想的粒子群算法
9．1．2　算法測試
9．2　混沌粒子群優(yōu)化算法研究
9．2．1　基本粒子群算法不足
9．2．2　混沌粒子群優(yōu)化算法
9．2．3　算法測試
9．3　其他改進(jìn)的粒子群優(yōu)化算法
9．3．1　雜交PSO算法
9．3．2　協(xié)同PSO算法
9．3．3　離散PSO算法
9．4．本章小結(jié)
第10章　解組合優(yōu)化問題的粒子群優(yōu)化算法
10．1 背包問題的混合粒子群優(yōu)化算法
10．1．1　背包問題數(shù)學(xué)模型
10．1．2　解0-1背包問題的混合粒子群算法
10．1．3　數(shù)值仿真與分析
10．2　指派問題的交叉粒子群優(yōu)化算法
10．2．1　求解指派問題的交叉粒子群優(yōu)化算法
10．2．2　算法測試
10．3　武器—目標(biāo)分配問題的粒子群優(yōu)化算法
10．3．1　解武器—目標(biāo)分配問題的粒子群優(yōu)化算法
10．3．2　算例分析
10．4　流水作業(yè)調(diào)度問題的粒子群算法
10．4．1　流水作業(yè)調(diào)度問題
10．4．2　求解流水作業(yè)調(diào)度問題混合粒子群算法
10．4．3　算法測試
10．5　非線性整數(shù)規(guī)劃的粒子群優(yōu)化算法
10．5．1　引言
10．5．2　求解非線性整數(shù)規(guī)劃的粒子群優(yōu)化算法
10．5．3　算例分析
10．6　本章小結(jié)
第11章　解聚類問題的粒子群算法
l1．1　引言
11．2　整數(shù)規(guī)劃形式
1l．3　連續(xù)性優(yōu)化形式
11．4　本章小結(jié)
第12章　蟻群算法與粒子群優(yōu)化算法的混合
12．1　引言
12．2　求解旅行商問題的混合粒子群優(yōu)化算法
12．2．1　混合粒子群算法思路
12．2．2　變異操作和交叉操作
12．2．3　混合粒子群算法步驟
12．2．4　算法測試
12．3　求解旅行商問題的粒子群—蟻群算法
12．3．1　粒子群—蟻群算法思想
12．3．2　粒子群—蟻群算法步驟
12．3．3　算法測試
12．4　本章小結(jié)
第13章　粒子群優(yōu)化算法收斂性分析
13．1　引言
13．2　PSO算法收斂性分析
13．3　數(shù)值仿真
13．4　參數(shù)選取
13．5　本章小結(jié)
第14章　魚群算法
14．1　引言
14．2　魚群算法基本原理
14．3　人工魚的行為描述
14．4　魚群算法的應(yīng)用
14．5　本章小結(jié)
第15章　總結(jié)
附錄A　求解旅行商問題的蟻群基本算法源程序
附錄B　計(jì)算連續(xù)性函數(shù)的優(yōu)化的粒子群程序
附錄C　求解旅行商問題的粒子群—蟻群算法的源程序
參考文獻(xiàn)